公开(公告)号：CN111275308B

公开(公告)日：2023-04-18

申请号：CN202010049095.1

申请日：2020-01-16

Applicant: 北京邮电大学

Inventor： 李小勇 ,  侯立洋 ,  李妍蓉 ,  孔文萍 ,  高雅丽 ,  苑洁

IPC: G06Q10/0631 ,  G06N3/126

Abstract: 本发明实施例提供的一种资源分配方法及装置，基于待处理种群包含的个体，分别计算各目标函数的函数值，作为第一函数值，判断待处理种群的遗传代数是否大于预设阈值，如果大于，基于各第一函数值和非支配排序算法，从待处理种群中确定各目标函数的最优解，按照最优解确定为每一需求点分配的每一种资源的数目，如果不大于，基于各第一函数值和非支配排序算法，确定待处理种群中的目标个体；基于目标个体，生成子代种群，作为当前的待处理种群，并执行判断待处理种群的遗传代数是否大于预设阈值步骤。基于上述处理，可以较快的确定各目标函数的最优解，可以在一定程度上避免现有技术中无法及时确定为每一需求点分配的每一种资源的数目的问题。

公开(公告)号：CN111026536B

公开(公告)日：2022-09-20

申请号：CN201911296494.1

申请日：2019-12-16

Applicant: 北京邮电大学

Inventor： 李小勇 ,  孔文萍 ,  高雅丽 ,  李妍蓉 ,  侯立洋

IPC: G06F9/48 ,  G06F9/50 ,  H04L67/10

Abstract: 本发明实施例提供了一种基于信任融合评估的任务处理方法，应用于第一边缘节点，方法包括：在接收到待处理任务时，确定处理待处理任务所需的边缘节点的数量；基于对待评价边缘节点的历史信任值，计算第一直接信任值；基于对第二边缘节点的历史信任值以及第二边缘节点对待评价边缘节点的历史信任值，计算第一推荐信任值；基于终端节点的历史信任值以及第三边缘节点对待评价边缘节点的历史信任值，计算第二推荐信任值；计算待评价边缘节点的信任融合评估值；根据信任融合评估值及所述数量，从待评价边缘节点中选择目标边缘节点，并与目标边缘节点对待处理任务进行处理。应用本发明实施例，可以提高任务的处理质量。

公开(公告)号：CN110781289B

公开(公告)日：2022-07-15

申请号：CN201911081479.5

申请日：2019-11-07

Applicant: 北京邮电大学

Inventor： 周锋 ,  汪文君 ,  李小勇

IPC: G06F16/338 ,  G06F40/106 ,  G06F40/284 ,  G06F40/289 ,  G06F40/30

Abstract: 本发明提供了一种保留非结构化文本语义的社交媒体文本可视化方法，包括如下步骤：步骤S101，对输入本文进行分词、过滤、词性标注、获取依赖关系；步骤S102，基于词性标注与词汇间的依赖关系，构建句法二叉树，计算每条文本的情感极性，将文本集划分为正、负两类；步骤S103，分别对正负两类文本，基于词频与词汇在每条文本中的共现关系，生成词汇序列模式，保留语义；步骤S104，基于正负文本集所占权重，分配可视空间，设计可视字体、色彩；步骤S105，采用布局算法，展现序列模式内、序列模式间的语义关系；步骤S106，引入交互设计，使用户可关注局部细节。采用本发明的方法，实现对社交媒体文本的可视化，清晰呈现文本的情感取向、观点语义与舆论支持度，有效呈现文本信息，有助于文本分析。

公开(公告)号：CN112732402B

公开(公告)日：2022-06-21

申请号：CN202011609283.1

申请日：2020-12-30

Applicant: 北京邮电大学

Inventor： 李小勇 ,  孙明杰 ,  高雅丽 ,  侯立洋 ,  李妍蓉

IPC: G06F9/455 ,  G06F9/50 ,  G06N20/10 ,  H04L67/1074

Abstract: 本发明实施例提供了一种云计算中心资源调度方法、装置及设备，获取云计算中心的虚拟机信息集合，待分配的云任务信息集合，虚拟机信息集合反映的虚拟机总数，待分配的云任务信息集合反映的云任务总数，每次随机游走的步长，预设随机游走的迭代次数以及每次随机游走的临时游走迭代次数；利用预设调度算法将待分配的云任务信息集合代表的云任务的执行总时间和执行所需的总能量耗费封装为适应度函数，并利用预设随机游走获取适应度函数最小化时的解；解为预设随机游走的游走结果：n维向量；以n维向量为分配方案，将待分配的云任务信息集合代表的云任务分配给虚拟机信息集合代表的虚拟机。本方案可以减少云计算中心资源调度的执行时间和资源消耗。

公开(公告)号：CN111026847B

公开(公告)日：2022-04-26

申请号：CN201911251502.0

申请日：2019-12-09

Applicant: 北京邮电大学

Inventor： 周锋 ,  盖志勇 ,  石华峰 ,  李小勇

IPC: G06F16/33 ,  G06F16/35 ,  G06F40/30 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一个基于注意力网络和长短期记忆网络的文本情感识别方法。包括以下步骤：步骤101，将文本数据划分为训练集和测试集，每条数据包含一段话和对应类别代码。步骤102，嵌入层中存储了每个汉字对应的向量，将文本数据经过嵌入层转变为字向量。步骤103，将字符统一变为长度512个字，并进行遮罩操作。步骤104，将每个类别用两个字构成的词表示，拼接对应字向量得到该类别的类别向量。步骤105，构造3层结构长短期记忆网络和12层注意力网络。步骤106，结合长短期记忆网络和注意力网络的输出，得到最终预测结果。步骤107，根据损失函数，测量网络预测值和真实值的误差。步骤108，根据误差和学习率对网络进行梯度下降。

公开(公告)号：CN114387675A

公开(公告)日：2022-04-22

申请号：CN202210040177.9

申请日：2022-01-14

Applicant: 北京邮电大学

Inventor： 李小勇 ,  张禹桐 ,  苑洁 ,  李灵慧 ,  高雅丽

IPC: G06V40/40 ,  G06V20/40 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62 ,  G06V10/82 ,  G06V10/764

Abstract: 本发明公开了一种基于自适应MDS分数的深度伪造视频检测方法，包括以下步骤：S1、提取训练集中每个视频的视觉流和音频流；S2、通过训练获得真假两种视频的平均MDS得分，同时建立检测模型；S3、将测试视频输入检测模型，计算测试视频的MDS分数，比较其与两种视频平均MDS得分的距离，测试视频MDS分数离哪一类视频MDS分数更接近则被判定为对应类别。本发明的基于自适应MDS分数的深度伪造视频检测方法，相对于一般的固定门限的方法，解释性更强，准确率也更高，同时让分类的依据更加接近于训练用的训练数据，只要让网络结构进行一个轮次的训练，就可以得到比较接近当前数据集的合理判断依据，更加方便快捷，提高检测效率。

公开(公告)号：CN114357172A

公开(公告)日：2022-04-15

申请号：CN202210016021.7

申请日：2022-01-07

Applicant: 北京邮电大学

Inventor： 李小勇 ,  兰天 ,  高雅丽 ,  苑洁 ,  李灵慧 ,  兰宁

IPC: G06F16/35 ,  G06F40/30 ,  G06F40/284 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于ERNIE‑BiGRU‑Attention的谣言检测方法，借助了ERNIE模型以及双向GRU加上注意力机制模型，对一条最新发布的新闻进行内容真假性的判断，通过神经网络来预测其结果。ERNIE语料库包含了百度新闻、百度百科、百度词条等大范围的语料，非常契合谣言检测领域，解决了现有模型没有对新闻主题领域进行泛化的缺点。后续，我们加入BiGRU层和注意力机制层，能够更好地掌握ERNIE预处理后文本的关键实体信息，从而获得更好的泛化能力和更高的准确率。

公开(公告)号：CN114329474A

公开(公告)日：2022-04-12

申请号：CN202210006038.4

申请日：2022-01-05

Applicant: 北京邮电大学

Inventor： 李小勇 ,  霍达 ,  高雅丽 ,  栗仕超 ,  李曦明 ,  蒋哲

IPC: G06F21/56 ,  G06K9/62 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08 ,  G06N5/00

Abstract: 本发明公开了一种融合机器学习和深度学习的恶意软件检测方法，采用机器学习(LightGBM)与深度学习(1D‑CNN)相结合的方法作为恶意软件检测模型的基础，该模型可以发掘语义的深度特征，发掘语义上下文关系的时空序列数据特征，同时该模型的特征提取以及模型检测相配合能够更好地进行误差传播，使训练速度更快、效果更好。同时对模型接收到检测样本进行计算，从而判别是否存在恶意软件，比传统地直接进入检测模型具有更高地准确率。此外，本发明的方法简单，检测模型更加轻量化，该模型不仅适用于Microsoft端的恶意软件检测，在移动端也有较好的效果。

公开(公告)号：CN111835763B

公开(公告)日：2022-03-04

申请号：CN202010667126.X

申请日：2020-07-13

Applicant: 北京邮电大学

Inventor： 李小勇 ,  陈阳 ,  侯立洋 ,  雷铭鉴 ,  李妍蓉 ,  唐嘉潞 ,  高雅丽

IPC: H04L9/40 ,  H04L61/4511 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例提供了一种DNS隧道流量检测方法、装置及电子设备，获取文本格式的待检测DNS流量数据；将文本格式的待检测DNS流量数据输入预先基于训练完成的神经网络模型，以使神经网络模型对文本格式的待检测DNS流量数据进行特征提取，得到待检测特征向量；并基于待检测特征向量，进行类别划分，得到检测结果；神经网络模型是基于多个DNS流量数据样本和样本真值训练得到的。本发明实施例中，执行特征提取操作的神经网络模型是基于大量的DNS流量数据样本和样本真值训练得到的，与人工提取特征的方式相比，提取到的特征向量的准确性较高。因此，基于提取到的准确率较高的特征向量，得到的检测结果的准确性也较高，提高了DNS隧道流量检测的准确性。

公开(公告)号：CN113157908A

公开(公告)日：2021-07-23

申请号：CN202110303027.8

申请日：2021-03-22

Applicant: 北京邮电大学

Inventor： 周锋 ,  王煜辉 ,  李小勇 ,  张玙静

IPC: G06F16/34 ,  G06F16/35 ,  G06F40/216 ,  G06F40/284

Abstract: 本发明提供了一种展示社交媒体热点子话题的文本可视化方法，包括如下步骤：步骤S101，输入社交媒体文本语料集，得到文档词项矩阵；步骤S102，计算词与词之间的共现后验概率矩阵；步骤S103，计算未在原始短文本中出现的词可以填充到该文本中的概率，将概率最大的N个词填充到原始短文本后；步骤S104，文本聚类；步骤S105，对步骤S104得到的各个文本簇分别提取关键短语和关键语句；步骤S106，基于关键短语对各个文本簇分别生成词云图；步骤S107，使用FoamTree组合各个词云图进行文本可视化；步骤S108，使用JavaScript监听到维诺图某个区域被点击时展示对应文本簇的关键语句。采用本发明的方法，可以清楚地区分出社交媒体文本语料集的各个子话题，对社交媒体舆情监测具有一定意义。